In generale, l’intelligenza artificiale può essere divisa in due: IA ristretta e IA generale.
La quarta rivoluzione industriale è alle porte. L’evoluzione umana è entrata in una nuova fase sulla scia di progressi tecnologici mozzafiato. Il professor Klaus Schwab, nel suo libro fondamentale, La quarta rivoluzione industriale, parla dell’offuscamento dei confini tra le sfere fisica, digitale e biologica.
La quarta rivoluzione industriale si occupa di come tecnologie come l’intelligenza artificiale, l’apprendimento automatico e l’Internet delle cose cambiano il modo in cui viviamo e interagiamo con il mondo e tra di noi.
Termini come AI e ML sono molto diffusi e talvolta vengono usati in alternativa. La vaghezza nelle definizioni, le aziende tecnologiche che mettono in atto le loro capacità abilitate da aziende di PR troppo zelanti e giornalisti incapaci che legittimano l’uso intercambiabile senza controllo dei fatti, ecc., Hanno portato alla confusione. Sebbene le due tecnologie siano strettamente correlate, non sono la stessa cosa.
Cos’è l’intelligenza artificiale?
John McCarthy, il padre dell’intelligenza artificiale, e Marvin Minskey hanno portato la rispettabilità all’IA come disciplina accademica attraverso il loro lavoro pionieristico. I primi stimoli dell’intelligenza artificiale moderna possono essere fatti risalire al laboratorio di Dartmouth del 1956. Luminari come Ray Solomonff, Herbert Simon, John Nash, Marvin Minsky hanno partecipato al seminario che è durato dalle sei alle otto settimane. Marvin Minsky ha scritto: “Entro una generazione, il problema della creazione di ‘intelligenza artificiale’ sarà sostanzialmente risolto”
All’epoca, l’ intelligenza artificiale era descritta come qualsiasi attività eseguita da una macchina che avrebbe richiesto l’intelligenza umana. Nel corso degli anni, questa definizione si è ampliata fino a includere la capacità della macchina di generalizzare e applicare il proprio apprendimento per eseguire attività con poca o nessuna esperienza (modelli di apprendimento pochi o zero). In genere, i sistemi di intelligenza artificiale mostrano alcune o la maggior parte delle caratteristiche dell’intelligenza umana, come la pianificazione, l’apprendimento, il ragionamento, la percezione, il movimento, la risoluzione dei problemi e persino la creatività.
In senso molto ampio, l’ IA può essere divisa in due: IA stretta e IA generale. I sistemi di intelligenza artificiale ristretta gestiscono attività singole o limitate. A volte indicati anche come IA debole, tali sistemi hanno applicazioni nel filtraggio dello spam e-mail, nei sistemi di raccomandazione e nei veicoli autonomi. Maxine di NVIDIA, una piattaforma di streaming video AI cloud, è un eccellente esempio di applicazione di IA ristretta.
D’altra parte, l’IA generale si riferisce alla capacità di una macchina di pensare e funzionare come un essere umano. È ancora un concetto molto fittizio e gli esperti ritengono che ci vorrà del tempo prima che venga finalmente realizzato. L’intelligenza artificiale generale, nota anche come intelligenza artificiale forte, utilizza un framework di intelligenza artificiale della teoria della mente che denota la capacità di riconoscere distintamente i bisogni, le emozioni e i pensieri di altre entità intelligenti.
L’apprendimento automatico si basa sulla definizione di regole comportamentali esaminando un set di dati per trovare modelli. Poiché l’obiettivo principale dell’ML è consentire alle macchine di apprendere da sole, dato un insieme di dati, è semplicemente una tecnica per realizzare l’IA.
Le prime tecniche per l’intelligenza artificiale non erano semplicemente sostenibili. I sistemi fissi basati su regole e gli algoritmi hardcoded non si adattavano bene ai casi d’uso relativi all’intelligenza artificiale. L’apprendimento automatico è entrato in scena quando l’obiettivo è passato dalla semplice imitazione del comportamento umano all’imitazione del modo in cui gli esseri umani imparano.
Apprendimento supervisionato : ha una serie di dati etichettati su cui addestrare il modello. In un certo senso, significa supervisionare una macchina fornendo una tonnellata di informazioni su un caso particolare e dandogli il risultato del caso. L’algoritmo effettua previsioni sui dati di addestramento e lo sviluppatore corregge ogni possibile deviazione dalle prestazioni previste. L’addestramento si interrompe quando la macchina raggiunge il livello di precisione desiderato nella mappatura dell’input all’output.
Apprendimento senza supervisione : l’ apprendimento senza supervisione si basa sul fornire alla macchina o all’algoritmo dati senza etichetta e consentirgli di identificare il modello da solo. Qui l’utente deve inserire solo i dati senza variabili di output corrispondenti. L’obiettivo del sistema sarebbe modellare la struttura sottostante per saperne di più sui dati. Gli algoritmi vengono lasciati soli per scoprire modelli interessanti nei dati.
Apprendimento per rinforzo : è il terzo algoritmo di apprendimento automatico più popolare. Dipende da algoritmi ML con una serie di regole e lascia che impari da solo su come raggiungere gli obiettivi. Questo tipo di apprendimento implica una componente di ricompensa. L’algoritmo cerca di massimizzare la ricompensa all’interno delle regole.
L’intelligenza artificiale si riferisce a macchine che esibiscono un’intelligenza simile a quella umana. Esistono diverse tecniche per questo, l’apprendimento automatico è uno dei più importanti. L’obiettivo finale dell’IA è sviluppare un sistema intelligente per simulare il pensiero e l’intelligenza umana, mentre il machine learning consente alla macchina di apprendere dai dati per fornire l’output desiderato. Mentre l’intelligenza artificiale mira a rendere le macchine più simili all’uomo, il machine learning aiuta a far sì che le macchine apprendano come gli esseri umani.
